(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211366351.5 (22)申请日 2022.11.03 (71)申请人 北京建筑大学 地址 100044 北京市西城区展览馆路1号 (72)发明人 田乐　常明煜　王荟芸　郭茂祖　 (74)专利代理 机构 北京荟英捷创知识产权代理 事务所(普通 合伙) 11726 专利代理师 左文 (51)Int.Cl. G06Q 10/04(2012.01) G06N 3/04(2006.01) G06K 9/00(2022.01) G06Q 50/08(2012.01) (54)发明名称 一种设施运行趋势预测方法 (57)摘要 本发明提供了一种设施 运行趋势预测方法， 基于希尔伯 特黄变换算法并结合了长短期记忆 网络来对设施 运行趋势进行预测， 涉及了机器学 习、 神经网络等领域， 通过对数据预处理、 数据清 洗和划分、 参数的更新和设定、 模型的训练与验 证等步骤来证明模型具有较高的精确度和有效 性。 通过利用经验模态分解， 对数据进行分解， 将 分解后的IMF进行希尔伯特黄变换， 得到信号的 时频特征， 将其作为长短期记忆网络的输入， 进 行模型的训练和验证， 对设施未来的运行趋势做 出预测。 本发明提出了一种全新的预测模型， 能 够为设施 运行趋势提供一种有效的预测方法， 适 合广泛应用。 可对设备的运行趋势预测， 及时捕 捉到异常点， 最大限度降低安全隐患。 权利要求书2页 说明书6页 附图3页 CN 115423221 A 2022.12.02 CN 115423221 A 1.一种设施运行趋势预测方法， 其特 征在于， 包括以下步骤： S10获取所述设施的传感器数据， S20求解所述传感器数据信号中所有局部极大值和 局部极小值并构成上 下包络线， S30求解所述上下包络线的平均值， 并求所述传感器数据信号与所述包络线的平均值 的差值， S40判断所述差值是否满足IMF分量的条件， 直至得到所有的IMF分量， S50对所述IMF分量进行希尔伯特黄变换， 得到特 征数据， S60将所述特 征数据进行 数据清洗并划分训练集、 验证集和 测试集， S70将划分后的数据送入长短期记忆网络 中训练和验证， 并保存下最优参数模型， 对数 据进行测试， 以得到预测结果。 2.根据权利要求1所述的设施运行趋势预测方法， 其特征在于： 所述传感器数据包括倾 角传感器X和Y轴上的二维数据， 振动传感器的X,Y和Z轴上的三维数据。 3.根据权利要求1所述的设施运行趋势预测方法， 其特 征在于： S20实施为： 找出所述传感器数据信号中所有局部极大值并用三次样条函数连接成上 包络， 以及用三次样条插值 函数连接所有局部极小值构成下包络 。 4.根据权利要求1所述的设施运行趋势预测方法， 其特 征在于： S30实施为： S31按顺序连接所述上 下包络线的均值得到均值线 : S32将所述传感器数据信号X(t)作为原信号减去所述均值线 得到所述差值 ， S33将所述差值 作为所述原信号， 重复步骤S31和S32。 5.根据权利要求1所述的设施运行趋势预测方法， 其特征在于： 判断所述差值是否为 IMF分量的应满足条件 包括： S41所述差值关于时间轴局部对称； S42在所述差值的离 散信号序列中， 极值 点的个数与过零 点的个数相等或最多相差1。 6.根据权利要求5所述的设施运行趋势预测方法， 其特 征在于： 步骤S40还 包括： S43筛选过程终止原则， 通过利用两个连续的处 理结果之间的标准差S D作为判断依据： S44当差值 满足标准差SD的值要求时， 称该差值 为第一阶IMF分量， 记为差 值 ， S45将所述传感器数据信号X(t)作为原信号， 从所述原信号中减去所述差值 得到 剩余信号， 即残差 ： S46将所述残差 作为所述原信号， 重复S43至S45的经验模态 分解过程， 通过多次运 算得到全部的IMF分量和残差 。 7.根据权利要求6所述的设施运行趋势预测方法， 其特 征在于： 当所述残差 满足下列两个条件之一时， 所述经验 模态分解过程终止：权　利　要　求　书 1/2 页 2 CN 115423221 A 2所述差值 和所述残差 小于预定的误差； 或 所述残差 成为一单调函数。 8.根据权利要求1所述的设施运行趋势预测方法， 其特 征在于： S50包括： S51对每个IMF(ci(t))分量进行希尔伯特黄变换， S52再得到相应IMF的瞬时频率和瞬时幅值。 9.根据权利要求1所述的设施运行趋势预测方法， 其特征在于： 定义损失函数为基于希 尔伯特黄变换和长短期记 忆网络模型使用的回归损失函数和均方损失函数双重损失函数。 10.根据权利要求1所述的设施运行趋势预测方法， 其特征在于： 所述训练集、 验证集和 测试集的划分比例为3： 1： 1。 11.根据权利要求1所述的设施运行趋势预测方法， 其特征在于： 将划分后的特征数据 集送入长短期记忆网络中， 通过输入层， 进入两个隐藏层， 对于时间序列预测任务中， 在输 出层后加上一层全连接层， 最后得到预测结果。权　利　要　求　书 2/2 页 3 CN 115423221 A 3